論文の概要: Fast-RF-Shimming: Accelerate RF Shimming in 7T MRI using Deep Learning
- arxiv url: http://arxiv.org/abs/2501.12157v2
- Date: Mon, 06 Oct 2025 03:43:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 14:28:09.280324
- Title: Fast-RF-Shimming: Accelerate RF Shimming in 7T MRI using Deep Learning
- Title（参考訳）: 高速RFシミング:ディープラーニングを用いた7T MRIにおける高速RFシミング
- Authors: Zhengyi Lu, Hao Liang, Ming Lu, Xiao Wang, Xinqiang Yan, Yuankai Huo,
- Abstract要約: 我々は従来のMLS法と比較して5000倍の高速化を実現するFast-RF-Shimmingを提案する。
我々の手法は、永続的不均一性問題に対処するための有望な解決策を示す。
- 参考スコア（独自算出の注目度）: 25.158522994692273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ultrahigh field (UHF) Magnetic Resonance Imaging (MRI) offers an elevated signal-to-noise ratio (SNR), enabling exceptionally high spatial resolution that benefits both clinical diagnostics and advanced research. However, the jump to higher fields introduces complications, particularly transmit radiofrequency (RF) field ($B_{1}^{+}$) inhomogeneities, manifesting as uneven flip angles and image intensity irregularities. These artifacts can degrade image quality and impede broader clinical adoption. Traditional RF shimming methods, such as Magnitude Least Squares (MLS) optimization, effectively mitigate $B_{1}^{+}$ inhomogeneity, but remain time-consuming. Recent machine learning approaches, including RF Shim Prediction by Iteratively Projected Ridge Regression and other deep learning architectures, suggest alternative pathways. Although these approaches show promise, challenges such as extensive training periods, limited network complexity, and practical data requirements persist. In this paper, we introduce a holistic learning-based framework called Fast-RF-Shimming, which achieves a 5000x speed-up compared to the traditional MLS method. In the initial phase, we employ random-initialized Adaptive Moment Estimation (Adam) to derive the desired reference shimming weights from multi-channel $B_{1}^{+}$ fields. Next, we train a Residual Network (ResNet) to map $B_{1}^{+}$ fields directly to the ultimate RF shimming outputs, incorporating the confidence parameter into its loss function. Finally, we design Non-uniformity Field Detector (NFD), an optional post-processing step, to ensure the extreme non-uniform outcomes are identified. Comparative evaluations with standard MLS optimization underscore notable gains in both processing speed and predictive accuracy, which indicates that our technique shows a promising solution for addressing persistent inhomogeneity challenges.
- Abstract（参考訳）: 超高磁場(UHF)磁気共鳴イメージング(MRI)は、高信号-雑音比(SNR)を提供し、非常に高い空間分解能を提供し、臨床診断と高度な研究の両方に役立つ。
しかし、高次場へのジャンプは、特に無線周波数(RF)場(B_{1}^{+}$)の不均一性を複雑化させ、不均一なフリップ角と画像強度の不規則性を示す。
これらのアーティファクトは、画像品質を低下させ、より広範な臨床応用を妨げることができる。
Magnitude Least Squares (MLS) 最適化のような従来のRFシミング手法は、実質的に$B_{1}^{+}$不均一性を緩和するが、時間を要する。
繰り返し投影されたリッジ回帰やその他のディープラーニングアーキテクチャによるRFシム予測を含む最近の機械学習アプローチは、代替経路を提案する。
これらのアプローチは将来性を示しているが、広範なトレーニング期間、ネットワークの複雑さの制限、実践的なデータ要求といった課題は継続する。
本稿では,従来のMLS法と比較して5000倍の高速化を実現するFast-RF-Shimmingという,総合的な学習ベースのフレームワークを提案する。
初期段階では、多チャンネル$B_{1}^{+}$フィールドから所望の参照シミング重みを導出するためにランダム初期化適応モーメント推定(Adam)を用いる。
次に、Residual Network(ResNet)をトレーニングして、$B_{1}^{+}$フィールドを究極のRFシミング出力に直接マッピングし、信頼性パラメータを損失関数に組み込む。
最後に,非一様フィールド検出器 (NFD) を任意に設計し,非一様フィールド検出を極端に特定する。
従来のMLS最適化との比較では,処理速度と予測精度の両面で有意な向上がみられ,この手法は永続的不均一性問題に対処するための有望な解であることが示された。
関連論文リスト
- A False Discovery Rate Control Method Using a Fully Connected Hidden Markov Random Field for Neuroimaging Data [1.7582682214679273]
ボクセルワイド多重テストのための,強力で安定かつスケーラブルな空間FDR制御法であるfcHMRF-LISを提案する。
fcHMRF-LISは、FDRの正確な制御、FNRの低下、FDPおよびFNPの変動率の低下、既存手法と比較して真正値の増大を実現している。
論文 参考訳（メタデータ） (2025-05-27T03:59:02Z) - RINN: One Sample Radio Frequency Imaging based on Physics Informed Neural Network [9.812746486699323]
高周波イメージング技術は、エンボディインテリジェンスとマルチモーダルセンシングの新しい可能性をもたらすことが期待されている。
本稿では、実値比較制約の代わりに物理制約を用いて、PINNのアイデアを組み合わせてRINNネットワークを設計する。
数値評価の結果,RINNの位相レスデータに基づく撮像結果は良好であり,RTMSE(0.11)などの指標も同様に良好であった。
論文 参考訳（メタデータ） (2025-04-19T15:19:12Z) - CardiacMamba: A Multimodal RGB-RF Fusion Framework with State Space Models for Remote Physiological Measurement [24.511384674989223]
遠隔光麻痺(rPl)による心拍数(HR)推定は、健康モニタリングに非侵襲的な解決策を提供する。
従来の単一モダリティアプローチ(RGBまたはRF)は、照明のバリエーション、モーションアーティファクト、皮膚のトーンバイアスによるロバストさと精度のバランスをとる上で、課題に直面している。
両モードの相補的強度を利用するマルチモーダルRGB-RF融合フレームワークであるCardiacMambaを提案する。
論文 参考訳（メタデータ） (2025-02-19T11:00:34Z) - Few-shot NeRF by Adaptive Rendering Loss Regularization [78.50710219013301]
スパース入力を用いた新しいビュー合成はニューラルラジアンス場(NeRF)に大きな課題をもたらす
近年の研究では、位置レンダリングの周波数規則化は、数発のNeRFに対して有望な結果が得られることが示されている。
我々は,AR-NeRFと呼ばれる数発のNeRFに対して適応レンダリング損失正規化を提案する。
論文 参考訳（メタデータ） (2024-10-23T13:05:26Z) - Optimizing Transmit Field Inhomogeneity of Parallel RF Transmit Design in 7T MRI using Deep Learning [9.596613410358206]
超高磁場(UHF)磁気共鳴イメージング(MRI)は信号対雑音比を高くし、空間分解能を高くする。
UHF MRIは、無線周波数(RF)磁場(B1+)の不均一性などの課題を導入し、不均一なフリップ角と画像強度異常をもたらす。
本研究では,新たな深層学習戦略を通じて,B1+フィールドの均一性を論じる。
論文 参考訳（メタデータ） (2024-08-21T04:10:56Z) - Spatial Annealing for Efficient Few-shot Neural Rendering [73.49548565633123]
我々はtextbfSpatial textbf Annealing regularized textbfNeRF (textbfSANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。
単に1行のコードを追加することで、SANeRFは、現在の数ショットのニューラルレンダリング方法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
論文 参考訳（メタデータ） (2024-06-12T02:48:52Z) - NeuroPictor: Refining fMRI-to-Image Reconstruction via Multi-individual Pretraining and Multi-level Modulation [55.51412454263856]
本稿では,fMRI信号を用いた拡散モデル生成過程を直接変調することを提案する。
様々な個人から約67,000 fMRI-imageペアのトレーニングを行うことで,fMRI-to-imageデコーディング能力に優れたモデルが得られた。
論文 参考訳（メタデータ） (2024-03-27T02:42:52Z) - In-Sensor Radio Frequency Computing for Energy-Efficient Intelligent
Radar [8.041399176135178]
本稿では,大規模RFNNを,その精度をほぼ保ちつつ,コンパクトなRFNNに変換することを提案する。
我々は、ロバストTT-RFNN(RTT-RFNN)をTT-RFNNに組み込むことにより、ロバストTT-RFNN(RTT-RFNN)を構築する。
MNIST と CIFAR-10 データセットを用いた実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2023-12-16T06:21:42Z) - SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。
推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。
拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
論文 参考訳（メタデータ） (2023-10-03T05:05:35Z) - RF-ULM: Ultrasound Localization Microscopy Learned from Radio-Frequency Wavefronts [7.652037892439504]
遅延とサムのビームフォーミングは、RF(Radio-Frequency)チャネルデータを不可逆的に減少させる。
RFウェーブフロントに埋め込まれたリッチなコンテキスト情報は、DNN(Deep Neural Networks)をローカライゼーションシナリオに挑戦する上で、非常に有望である。
本稿では,学習した特徴チャネルシャッフル,非最大抑圧,半グローバル畳み込みブロックを用いて,RFチャネルデータ中の散乱体を直接ローカライズすることを提案する。
論文 参考訳（メタデータ） (2023-10-02T18:41:23Z) - CuNeRF: Cube-Based Neural Radiance Field for Zero-Shot Medical Image Arbitrary-Scale Super Resolution [78.734927709231]
医用画像任意スケール超解像 (MIASSR) が最近注目され, 任意のスケールの医用ボリュームを単一モデルで超高精細化することを目指している。
連続領域における任意のスケールで医用画像が得られるゼロショットMIASSRフレームワークCuNeRFを提案する。
論文 参考訳（メタデータ） (2023-03-28T18:36:19Z) - Learning Federated Visual Prompt in Null Space for MRI Reconstruction [83.71117888610547]
我々はMRI再建のためのグローバルプロンプトのヌル空間におけるフェデレートされた視覚的プロンプトを学習するための新しいアルゴリズムであるFedPRを提案する。
FedPRは、ローカルトレーニングデータの限られた量を与えられた場合、通信コストの6%で最先端のFLアルゴリズムを著しく上回っている。
論文 参考訳（メタデータ） (2023-03-28T17:46:16Z) - One-shot Generative Distribution Matching for Augmented RF-based UAV Identification [0.0]
この研究は、限られたRF環境下でRFフィンガープリントを用いて無人航空機(UAV)を特定するという課題に対処する。
RF信号の複雑さと可変性は、環境干渉やハードウェアの不完全性の影響を受け、従来のRFベースの識別手法を効果的にしないことが多い。
変換されたRF信号を増強するためのワンショット生成法は、UAV識別を著しく改善する。
論文 参考訳（メタデータ） (2023-01-20T02:35:43Z) - SiNeRF: Sinusoidal Neural Radiance Fields for Joint Pose Estimation and
Scene Reconstruction [147.9379707578091]
NeRFmmは、共同最適化タスクを扱うNeRF(Neural Radiance Fields)である。
NeRFmmは正確なシーン合成とポーズ推定を行うが、難しいシーンで完全に注釈付けされたベースラインを上回るのに苦戦している。
放射光マッピングにおける正弦波活性化を利用する正弦波ニューラルレイディアンス場(SiNeRF)と、効率よく光束を選択するための新しい混合領域サンプリング(MRS)を提案する。
論文 参考訳（メタデータ） (2022-10-10T10:47:51Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。